exoplanet-workflows
General workflows and best practices for exoplanet detection and characterization from light curve data. Use when planning an exoplanet analysis pipeline, understanding when to use different methods, or troubleshooting detection issues.
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
General workflows and best practices for exoplanet detection and characterization from light curve data. Use when planning an exoplanet analysis pipeline, understanding when to use different methods, or troubleshooting detection issues.
How to use
Zainstaluj skill w swoim środowisku Claude/Copilot, wskazując repozytorium benchflow-ai/skillsbench. Skill będzie dostępny jako przewodnik do analizy egzoplanet.
Przygotuj swoje dane krzywej blasku – upewnij się, że rozumiesz format pliku, nazwy kolumn i system czasu. Skill pomoże ci zidentyfikować, jakie informacje są konieczne na tym etapie.
Przeprowadź kontrolę jakości i preprocessing danych. Użyj skilla, aby zdecydować, które punkty danych usunąć (outliers), czy usuwać trendy (np. rotacja gwiazdy), i jak zbalansować usuwanie szumów z zachowaniem sygnału planetarnego.
Wybierz algorytm wyszukiwania okresów na podstawie typu sygnału: TLS dla sygnałów przechodzenia (box-like dips), Lomb-Scargle do szybkiej eksploracji dowolnych sygnałów okresowych, lub BLS jako alternatywa. Skill opisuje zalety każdej metody.
Określ zakres okresów do przeszukania, biorąc pod uwagę typ gwiazdy i spodziewane okresy planet (np. gorące Jowissze: 0,5–10 dni). Skill wyjaśnia, jak balansować szerokość zakresu między kompletnością a szybkością.
Po znalezieniu obiecującego kandydata, użyj skilla do decyzji o refinemencie – zawęź wyszukiwanie wokół okresu kandydata, aby poprawić precyzję pomiaru końcowego i zwalidować, że sygnał jest rzeczywisty, a nie artefaktem.